IMM

摘要： 传统的误差配准算法在将非线性方程线性化(即在系统偏差和量测处分别进行泰勒展开,并忽略高阶微小量)时,若系统偏差较大就会引入一定的误差,使误差配准的精度随之恶化。为有效解决这一问题,提出一种“量测”恒等于0的无迹卡尔曼(Unscented Kalman Filter,UKF)雷达系统偏差滤波算法。该算法改变传统算法中伪观测量为变量的特点,将两雷达“空间几何关系”在随机量测误差处进行泰勒展开,构造出“量测”为已知值且恒等于0的非线性伪量测方程,并针对快时变系统偏差,在UKF滤波基础上融入交互式多模型(Interacting Multiple Model,IMM)的机动算法进行跟踪。仿真结果表明,相较于传统算法,该算法不仅对于恒定的系统偏差配准精度高,且能对快时变系统偏差进行实时有效估计,验证了本算法的有效性。

摘要： 针对机动目标跟踪中,传统无迹卡尔曼滤波算法鲁棒性差、易发散等问题,以双站纯角度定位为应用背景,将平方根无迹卡尔曼滤波算法(SRUKF)和交互多模型算法(IMM)相结合.首先分析了双站测向交叉定位的原理,将几何定位的结果作为滤波初值,然后采用球形无迹变换替代传统的对称sigma点采样,并利用协方差的平方根代替协方差进行递推运算,确保协方差矩阵的非负定性,提高了算法的鲁棒性,并减少了计算量.仿真结果表明,IMM?SRUKF算法可以准确地预测出不同时刻目标的运动状态,在观测误差较大时,相比于其他算法,稳定性更高,不易发散,且有更高的滤波精度.

摘要： 针对时差定位系统对机载雷达信号多站同时截获概率低、时差定位轨迹不连续的问题,研究了利用多种目标运动轨迹特征,结合时差定位和交互式多模型滤波算法预测时间差变化趋势,反推时间差再对原时间序列进行插值。通过典型运动场景模拟仿真验证,该算法具有较理想的跟踪定位性能。

摘要： 针对移动机器人在自适应跟踪方面存在跟踪避障精度不足的问题,设计了基于STM32F407ZGT6芯片的移动机器人自适应跟踪系统.该系统采用了基于IMM和VFH的新型避障方法实现移动机器人的自适应跟踪和避障功能,融合两者优势,有效适应目标的运动变化,解决了在趋势目标点附近存在的机关干扰和转向震颤的问题.通过MatLab对有、无障碍物2种方式进行仿真.结果证明,在无障碍物下具有较高的跟踪精度,在存在障碍物的情况下可实现有效避障且不存在抖动现象.

摘要： 科隆家具展的''纯粹人才''(Pure Talents)特展不知不觉已经来到了第16个年头。今年精选的二十位设计师大多以家具设计的展示为主。设计师观点的微妙变化,塑造出让人会心一笑又觉得''好看''又''好玩''的设计。家具设计究竟还可以有什么新创意?或许微妙的趣味变化就可以让新创意实现。

摘要： infineon公司的iMOTION?IMM101T/IMM102T系列是全集成交钥匙的高压马达驱动模块,设计用于高性能高效率PMSM/BLDC马达驱动应用如风扇,泵和压缩机.器件集成了Infineon公司的先进的运动控制引擎(MCE),栅极驱动器和六个功率MOSFET.IMM101T/IMM102T系列属于IMM100系列iMOTION?智能功率模块(IPM),它包括两个系列:A系列和T系列.A系列(IMM100A-xxx)包括全编程的ARM?Cortex?-M0控制器,而T系列(IMM10xT-xxx)包括专利的运动控制引擎(MCE).IMM100系列集成了500VFredFET或650V CoolMOS,以及业界基准的三相高压鲁棒栅极驱动器和引导功能.它的额定输出功率从25W到80W,最高DC电压500V/600V,栅极驱动器的额定电压600V.本文介绍了IMM101T/IMM102T系列主要特性,单分流配置和支腿分流配置应用框图,栅极驱动器功能框图以及评估板EVAL-IMM101T主要特性和指标,框图.

摘要： 讨论了变结构多模型方法跟踪机载雷达机动目标的问题,用变结构的思想解决了多模型选择中的两难问题.Monte Carlo仿真实验结果表明改进的算法在不影响跟踪精度的前提下,大大地缩短了计算时间.

摘要： 讨论了变结构多模型方法跟踪机载雷达机动目标的问题,用变结构的思想解决了多模型选择中的两难问题.Monte Carlo仿真实验结果表明改进的算法在不影响跟踪精度的前提下,大大地缩短了计算时间.

摘要： 讨论了变结构多模型方法跟踪机载雷达机动目标的问题,用变结构的思想解决了多模型选择中的两难问题.Monte Carlo仿真实验结果表明改进的算法在不影响跟踪精度的前提下,大大地缩短了计算时间.

摘要： 讨论了变结构多模型方法跟踪机载雷达机动目标的问题,用变结构的思想解决了多模型选择中的两难问题.Monte Carlo仿真实验结果表明改进的算法在不影响跟踪精度的前提下,大大地缩短了计算时间.

摘要： 本发明提供一种IMM‑MHT多目标跟踪方法，基于自适应参数的假设树管理优化，从限制假设树生成以及加速冗余假设树的剪枝两个方面入手，减少运算量，降低系统的运算时间，同时本发明融合了多模型跟踪算法，能够在提高跟踪的稳定性的同时减少murty算法的计算复杂度，从而使得计算速度更快。

摘要： 本发明公开了一种基于IMM‑UKF的惯性/超短基线多参数标定方法，具体步骤包括：以空间任意点为原点建立投影坐标系，在此基础上建立惯性、超短基线、卫星定位、深度计各传感器位置、姿态间的矢量关系及方位表达，选定9维待估计参数为状态量，构建系统与观测模型；设置IMM中各模型初始概率并计算各滤波器初始状态及协方差矩阵；根据系统及观测模型采用三个UKF分别进行滤波，并用贝叶斯假设检验方法模型更新；根据权重输出交互，输出最终滤波结果。与现有惯性/超短基线标定方法相比，本发明能实现应答器位置、惯性/超短基线杆臂和安装误差角9维参数的同时标定，有效提高复杂环境下惯性/超短基线标定参数的收敛速度、精度及鲁棒性。

摘要： 本发明公开了一种基于IMM‑STEKF的非高斯噪声下机动目标跟踪方法，包括：获取机动目标的量测值；建立非高斯噪声条件下的目标状态方程和量测方程，构建包括多个运动模型的模型集，并对机动目标的状态估计值和精度矩阵分别进行交互混合，得到每个运动模型的混合状态输入值和混合精度矩阵；利用STEKF算法对每个运动模型的混合状态输入值和混合精度矩阵进行跟踪滤波处理；对模型集中的每个运动模型对应的概率进行更新；更新机动目标在当前时刻的状态估计值和精度矩阵。本发明提供的方法可以在非高斯噪声条件下实现对机动目标的实时精确跟踪。

摘要： 本发明公开了基于IMM‑KEnPF的风机桨距系统故障诊断方法，涉及故障诊断技术领域。针对变桨距系统的非线性非高斯的特点引入粒子滤波算法，从准确性和实时性两个方面对其进行了改进。首先引入集合卡尔曼滤波(EnKF)优化PF的建议分布，缓解PF的粒子退化问题，提高PF的估计精度；其次引入KLD采样，根据后验估计分布与真实分布的KLD来自适应的调整所需要采样的粒子数目，提高PF的计算效率和实时性，最后将交互式多模型方法和粒子滤波算法结合，提出了基于IMM‑KEnPF的风机桨距系统故障诊断方法。

摘要： 基于IMM_UKF的三维制导律辨识滤波方法，本发明涉及基于IMM_UKF的制导律辨识滤波方法。本发明的目的是为了解决现有技术中敌方拦截导弹pursuer会在不同的制导阶段采用不同的导航常数，导致运动模型发生变化，使MMAE滤波方法在这种情况下制导精度降低的问题。过程为：一、建立evader和pursuer的相对运动方程；二、基于步骤一建立的evader和pursuer的相对运动方程，建立相对evader的pursuer运动模型；三、基于步骤二建立的相对evader的pursuer运动模型，设计evader上的IMM滤波器。本发明用于导弹主动防御制导率涉及领域。

摘要： 本发明公开了一种基于联邦IMM的多传感器协同目标跟踪方法，包括：利用传感器获取(k‑1)时刻下目标的第一状态信息；确定每个传感器对应的滤波器组；确定各传感器在其对应的滤波器组中的滤波模型i下的混合概率；按照分配系数，将第一状态信息分配至对应的N个滤波模型；确定(k‑1)时刻下各传感器在滤波模型i下的混合状态估计值及混合协方差矩阵；根据第二状态信息确定k时刻各传感器在滤波模型i下的预设子滤波器的状态估计更新值及协方差矩阵；确定k时刻各传感器的状态估计值和协方差矩阵；利用预设主滤波器进行数据融合，获得确定k时刻的目标状态估计值及其对应的协方差矩阵。本发明将时间更新过程统一在预设主滤波器中进行，减小计算量的同时提高了该方法的实时性。

摘要： 基于IMM‑STKF的开关磁阻电机功率变换器的多故障诊断方法及装置，涉及电机故障诊断领域。本发明为了解决现有功率变换器故障诊断方法计算量大、辨识度不高的问题。本发明的IMM‑STKF的模型集由若干状态模型构成，所述状态模型包括正常模型和故障模型，每个状态模型作为一个滤波器，初始化模型集中的各状态模型；将k‑1时刻的状态变量和k‑1时刻的各状态模型的模型概率进行输入交互；计算k时刻的滤波估计值，进而得到k时刻各状态模型的模型概率；通过加权融合得到k时刻状态变量估计值和k时刻的匹配模型概率；本发明能够实现在线实时估计出SRM功率变换器的运行状态，实现多故障的检测以及快速分离。

摘要： 本发明公开了一种基于IMM‑STEKF的非高斯噪声下机动目标跟踪方法，包括：获取机动目标的量测值；建立非高斯噪声条件下的目标状态方程和量测方程，构建包括多个运动模型的模型集，并对机动目标的状态估计值和精度矩阵分别进行交互混合，得到每个运动模型的混合状态输入值和混合精度矩阵；利用STEKF算法对每个运动模型的混合状态输入值和混合精度矩阵进行跟踪滤波处理；对模型集中的每个运动模型对应的概率进行更新；更新机动目标在当前时刻的状态估计值和精度矩阵。本发明提供的方法可以在非高斯噪声条件下实现对机动目标的实时精确跟踪。

摘要： 本发明公开了一种基于自适应IMM的鲁棒室内行人跟踪UWB定位方法、系统及计算机可读存储介质，方法包括以下步骤：S1：构建基于卡尔曼滤波的LOS模型和NLOS模型；S2：在并行的两个IMM算法中融合已构建的LOS模型和NLOS模型，利用自适应IMM算法的融合处理得到状态估计；S3：利用基于菲涅尔区域的自适应补偿算法对NLOS模型进行补偿；S4：利用功率驱动并行的两个IMM算法分别得到自适应IMM的转移概率和更新模型概率；S5：将得到的转移概率和更新后的模型概率用于(k‑1)时间戳的自适应IMM过程，得到滤波后的观测数据，将观测数据用来校正扩展卡尔曼滤波算法的预测值，得到最终的行人位置坐标。本发明减小了行人定位误差，提高了定位精度。

摘要： 本发明公开了一种基于IMM‑VB的非高斯噪声条件下机动目标自适应跟踪方法，包括：获取机动目标的量测值；构建包括多个运动模型的模型集，并对机动目标的状态估计值、精度矩阵以及共轭先验分布参数分别进行交互混合；利用变分贝叶斯算法对每个运动模型的混合状态输入值、混合精度矩阵以及共轭先验分布的混合参数进行滤波处理，以更新每个运动模型的状态估计值和精度矩阵；对所述模型集中的每个运动模型对应的概率进行更新；更新机动目标在当前时刻的状态估计值和精度矩阵。本发明提供的方法可以在时变非高斯噪声条件下实现对机动目标的实时精确跟踪。